Gartner-Prognose zu GenAI

Autonome Agenten lösen KI-Prompts ab

12.03.2024
Von 
Jürgen Hill ist Chefreporter Future Technologies bei der COMPUTERWOCHE. Thematisch befasst sich der studierte Diplom-Journalist und Informatiker derzeit mit aktuellen IT-Trendthemen wie KI, Quantencomputing, Digital Twins, IoT, Digitalisierung etc. Zudem verfügt er über einen langjährigen Background im Bereich Communications mit all seinen Facetten (TK, Mobile, LAN, WAN). 
Einer Gartner-Prognose zufolge könnte 2028 ein Drittel der GenAI-Interaktionen über Handlungsmodelle und autonome Agenten ablaufen.
Ein Drittel der Interaktionen mit GenAI wird künftig durch autonome Agenten erfolgen.
Ein Drittel der Interaktionen mit GenAI wird künftig durch autonome Agenten erfolgen.
Foto: Alexander Limbach - shutterstock.com

Gartner zufolge wird bis 2028 ein Drittel der Interaktionen mit generativen KI-Diensten (GenAI) Handlungsmodelle und autonome Agenten für die Aufgabenerfüllung nutzen. Unter autonomen Agenten versteht Gartner kombinierte Systeme, die bestimmte Ziele erreichen, ohne dass Menschen wiederholt eingreifen müssen.

Dabei kommt eine Vielzahl von KI-Techniken zum Einsatz. Autonome Agenten haben, so Gartner weiter, das Potenzial, von ihrer Umgebung zu lernen und sich im Laufe der Zeit zu verbessern. Damit werden sie in der Lage sein, auch komplexe Aufgaben zu bewältigen.

Agenten statt Prompts

Für Arun Chandrasekaran, Distinguished VP Analyst bei Gartner, ergeben sich daraus folgende Vorteile: "In der Zukunft könnte die Interaktion zwischen Menschen und GenAI einfacher werden. Statt Prompts an große Sprachmodelle (LLMs) zu geben, könnten wir direkt mit selbstständigen, zielorientierten Agenten kommunizieren. Dies könnte mehr Unabhängigkeit bieten und besser auf menschliche Bedürfnisse eingehen."

So können autonome Agenten eine Vielzahl von Aufgaben übernehmen, wie etwa verschiedene Modelltypen verketten, die Ausgabe eines Modells vor der Eingabe in ein anderes Modell überprüfen oder Streaming-Inputs in einer Endlosschleife verarbeiten. "Autonome Agenten können den Bedarf an menschlichen Eingriffen bei der Interaktion mit LLMs verringern und die Belastung für Geschäftsanwender in vielen Sektoren reduzieren, da weniger Zeit für das Prompt Engineering aufgewendet werden muss", bringt es Chandrasekaran auf den Punkt.

Mögliche Einsatzgebiete

Dank der autonomen Agenten muss künftig laut Gartner weniger Zeit für das Prompt Engineering aufgewendet werden.
Dank der autonomen Agenten muss künftig laut Gartner weniger Zeit für das Prompt Engineering aufgewendet werden.
Foto: thanmano - shutterstock.com

Gartner zufolge werden autonome Agenten auf mehrere Sektoren Auswirkungen haben:

Gesundheitswesen: Dort können autonome Agenten medizinische Fachkräfte in Bereichen wie Krankheitsdiagnose, Behandlungsplanung und Patientenversorgung unterstützen.

Bildung: Autonome Agenten können personalisierte Lernerfahrungen bieten und die Lehrmethoden an die Bedürfnisse der einzelnen Schüler anpassen.

Gaming: Ebenso können sie menschliche Spieler beobachten und mit ihnen interagieren und so für ein realistischeres Spielerlebnis sorgen.

Versicherungen: In der Versicherungswirtschaft können autonome Kundenservice-Apps die meisten Interaktionen mit Versicherungsnehmern über Sprache und Text abwickeln. Ihr Einsatz ist etwa bei Schadensfällen, Betrug, medizinischem Service, Policen und Reparatursystemen denkbar. Dabei haben sie ein enormes Potenzial, da Antworten und adäquate Maßnahmen nur noch Minuten statt Tage oder Wochen dauern.

Klare Zielfunktionen erforderlich

Damit dies funktioniert, brauchen autonome Agenten laut Chandrasekaran eine klare Zielfunktion, damit ihr Verhalten sinnvoll gesteuert werden kann. Ohne klare Zielfunktionen, so der Analyst weiter, lassen sich komplexe Geschäftsprozesse auf der Grundlage menschlicher Absichten nicht automatisieren.

Um dies zu erreichen, schlägt Gartner Unternehmen vier Maßnahmen vor:

1. Use Cases identifizieren, in denen Aktionsmodelle und autonome Agenten einen Mehrwert schaffen können, indem sie die menschliche Mitwirkung und die benötigten Fähigkeiten reduzieren.

2. Aufbau einer Architektur, die es autonomen Agenten ermöglicht, sich zu entfalten. Dies kann durch die Integration von Tools und den Zugriff auf Wissensspeicher geschehen. So können die Agenten das entsprechende Fachwissen erlangen.

3. Qualität der Prompts erhalten, denn die autonomen Agenten und Handlungsmodelle sind kein Ersatz für das Prompt Engineering. Vielmehr hängt ihr Potenzial von der Qualität der Prompts ab.

4. Eine Balance zwischen Kontrolle und Autonomie der Agenten. Erreicht wird dies durch ausgedehnte Pilotprojekte und ein striktes Monitoring der Agenten.